AI som tidig varning för fågelinfluensa i Sverige

Den aggressiva fågelinfluensan A (H5N1) sprids just nu ovanligt brett bland tama och vilda fåglar i Sverige och Europa. Det förändrar riskbilden för människor – inte för att viruset redan sprids effektivt mellan oss, utan för att fler utbrott i fågelpopulationer betyder fler tillfällen för viruset att “testa” gränsen mot däggdjur.

Det här är exakt den typen av hot där jag tycker att många organisationer fortfarande tänker lite för analogt. Man pratar om provtagning, smittspårning och lager av antivirala läkemedel – allt viktigt – men missar att AI och modern bioteknik kan göra övervakning och beredskap snabbare, mer träffsäker och mer proaktiv. Och i december, när influensasäsongen rullar på i full fart, blir frågan extra skarp: hur minskar vi risken för att ett zoonotiskt virus får ett “gratis provlopp” i människor?

Varför H5N1 är ett beredskapshot – även utan smittspridning mellan människor

Kort sagt: H5N1 är farligt för att det kombinerar hög sjukdomspotential med möjlighet att förändras. Historiskt har vissa H5N1-infektioner hos människor varit allvarliga, och viruset är därför ett av de influensavirus som bevakas hårt av smittskyddsexperter.

Den centrala gränsen vi bevakar är enkel:

• I dag: Smitta kan ske från fågel (eller annat djur) till människa vid nära kontakt, men viruset sprids normalt inte vidare från människa till människa.
• I ett värsta fall-scenario: Virusets egenskaper ändras så att det sprids effektivt mellan människor.

Den verkliga risken: dubbelinfektion och genetiskt “byte”

Influensavirus är ökända för sin förmåga att förändras. Ett scenario smittskyddet alltid vill undvika är att en person blir smittad samtidigt av:

1. fågelinfluensa (t.ex. H5N1) och
2. säsongsinfluensa

Då kan virusen – i sämsta fall – byta genetiskt material och skapa en ny variant med otrevliga egenskaper: både hög smittsamhet och hög sjukdomsbörda.

Det här är inte science fiction. Det är en biologisk mekanism som gör att övervakning inte bara handlar om “hur många fall?” utan om vilka mutationer och kombinationer vi ser – och hur tidigt.

Vilka löper störst risk i Sverige – och varför prevention måste vara praktisk

Svar: Yrkesgrupper med frekvent kontakt med fåglar har högst risk. När stora utbrott pågår i exempelvis södra Sverige ökar sannolikheten att människor exponeras vid hantering av sjuka/döda djur, sanering, provtagning eller arbete i anläggningar.

Typiska riskgrupper inkluderar:

• personal inom fjäderfäproduktion (ägg, kyckling, kalkon)
• veterinärer
• viltvårdare och personal som hanterar vilda fåglar
• andra som jobbar nära djur i utbrottsmiljöer

Antivirala läkemedel som postexpositionsprofylax

En konkret åtgärd som används i Sverige är att ge antivirala läkemedel förebyggande efter riskfylld kontakt med sjuka eller döda fåglar. Det är en strategi som i praktiken gör två saker:

• minskar risken att personen utvecklar sjukdom
• köper tid för utredning och provsvar

Fågelinfluensa klassas som allmänfarlig och anmälningspliktig, vilket betyder att regionernas smittskyddsenheter utreder misstänkta fall. Det ger en tydlig struktur – men strukturen blir bara så bra som dataflödet in i den.

Varför Sverige inte vaccinerar brett mot H5N1 – och vad det betyder för AI

Svar: Vaccin finns, men beslutsunderlaget för rutinmässig användning i Sverige bedöms fortfarande som otillräckligt. Inom EU finns humana vacciner mot fågelinfluensa avsedda för situationer när det inte är pandemi.

Finland testade att erbjuda vaccin till exponerade yrkesgrupper under perioden 2024–2025. Utvärderingar pekar på höga immunsvar, men också på ett praktiskt problem: låg anslutning i målgruppen.

Det där är en signal som fler borde ta på allvar. För även om ett vaccin fungerar immunologiskt, så avgörs effekten i verkligheten av:

• om rätt personer tar det
• om tidpunkten är rätt
• om kommunikationen fungerar
• om logistiken är friktionsfri

Här blir AI mer än laboratorie-automation

AI i läkemedel och bioteknik handlar inte bara om att snabbare hitta molekyler. I beredskapsarbete blir AI ofta mest värdefullt i tre “tråkiga” men avgörande lager:

1. Riskmodellering – var är exponeringen som störst, och när?
2. Beteendeanalys – vilka hinder gör att riskgrupper inte vaccinerar sig?
3. Beslutsstöd – när är tröskeln passerad för att ändra strategi?

Om en målgrupp inte vaccinerar sig trots erbjudande, är det inte en detalj. Det är ett systemfel som går att mäta och förbättra.

AI-driven övervakning: från provrör till tidig varning

Svar: AI kan koppla ihop spridda signaler och upptäcka mönster snabbare än traditionell rapportering. Klassisk övervakning bygger på provtagning och analys. Det fungerar, men blir lätt reaktivt: vi ser det som redan hänt.

Med AI och dataintegration kan man bygga ett mer proaktivt “radarsystem” där man väger samman flera datakällor:

• genetiska sekvenser från virusprover (genomisk övervakning)
• geografiska kluster av utbrott i djurhållning
• säsongsmönster i säsongsinfluensa (för att förstå risk för dubbelinfektion)
• laboratoriedata om mutationer kopplade till däggdjursanpassning

Genomisk övervakning + maskininlärning = bättre prioritering

Alla prover kan inte analyseras i oändlighet. Den praktiska frågan är: vilka prover ska prioriteras för djupsekvensering och funktionella studier?

Maskininlärning kan hjälpa genom att:

• flagga mutationer som historiskt kopplats till förändrad receptorbindning
• upptäcka ovanliga kombinationer av mutationer
• jämföra nya sekvenser mot stora referensdatabaser

Det här ersätter inte virologer. Det gör att virologernas tid läggs på rätt saker.

“Answer-first”-insikt för beredskap

Ett robust AI-system för fågelinfluensa ska inte bara säga att något händer – det ska säga varför det är relevant och vilken åtgärd som följer.

Det är skillnaden mellan en dashboard och ett beslutsstöd.

Bioteknikens roll: snabbare vacciner när läget skiftar

Svar: Plattformsteknik och prototypvacciner gör att man kan anpassa vaccin snabbare, men det kräver tidig signal och tydlig styrning. Om en pandemi skulle bryta ut av ett fågelinfluensabesläktat virus finns prototypvacciner som kan anpassas till den aktuella varianten. Sverige har dessutom avtal om produktionskapacitet och lager av antivirala läkemedel för pandemisituation.

Det beredskapsupplägget är starkt – men det bygger på att man hinner agera innan kurvan blivit brant.

AI i vaccinframtagning: det som faktiskt gör skillnad

I praktiken kan AI bidra i flera steg i vaccinrelaterad bioteknik:

• Antigen-design: förutsäga vilka förändringar som påverkar immunsvar
• Varianturval: prioritera vilka stammar/sekvenser som ska ligga till grund för uppdateringar
• Tillverkningsstöd: optimera processparametrar och kvalitetsutfall
• Klinisk planering: identifiera var rekrytering och uppföljning blir snabbast och mest representativ

Det här är särskilt relevant för zoonotiska hot, där tidspress och osäkerhet är normen.

Praktiska åtgärder för organisationer 2025: så blir ni mindre reaktiva

Svar: Bygg en pipeline från signal till åtgärd – och testa den innan krisen. För dig som jobbar i läkemedel, biotech, labb, region eller myndighetsnära verksamhet är frågan ofta: “Vad kan vi göra nu, utan att överdriva hotet?”

Här är en konkret checklista jag själv skulle börja med:

1. Definiera risktrösklar

   • Vilka datapunkter triggar extra provtagning?
   • När går ni från informationsinsats till riktad profylax/vaccin?

2. Inför AI-stödd prioritering av prover

   • All sekvensering är inte lika värdefull. Prioritera smart.

3. Säkerställ datadelning mellan djur- och humanhälsa

   • Zoonoser struntar i organisatoriska silos.

4. Öva kommunikation mot exponerade yrkesgrupper

   • Om anslutningen blir låg faller effekten, oavsett vaccin.

5. Bygg en “minsta fungerande” modell för scenarier

   • Inte en perfekt modell. En som går att använda på riktigt i drift.

Vanliga följdfrågor (och raka svar)

Kan AI förutsäga nästa pandemi? Nej, inte med säkerhet. Men AI kan höja träffsäkerheten i tidiga varningar och göra att åtgärder sätts in tidigare.

Varför räcker inte bara mer provtagning? Mer provtagning utan prioritering och snabb tolkning ger lätt köer och brus. AI hjälper till att sortera signal från bakgrund.

Behöver alla vaccinera sig mot fågelinfluensa i Sverige? Nej. Riskbaserade strategier är rimliga när smittspridning mellan människor saknas. Fokus bör ligga på exponerade grupper och beredskap.

Vad jag hoppas att vi tar med oss från H5N1-läget i december

Fågelinfluensa är inte bara en nyhet i smittskyddsflödet. Den är en påminnelse om att pandemiberedskap är ett system, inte en hylla med produkter. Vaccin, antivirala läkemedel, provtagning och skyddsutrustning är nödvändiga byggstenar – men utan snabb signalbehandling och tydliga beslutskedjor blir allt långsamt.

I vår serie AI inom läkemedel och bioteknik återkommer samma tema: de som lyckas är de som kopplar ihop data, labb och beslut i en fungerande pipeline. H5N1 är ett stress-test av den förmågan.

Om du ansvarar för FoU, kvalitet, medicin, produktion eller beredskap: vilken del av kedjan är mest analog hos er i dag – och vad skulle hända om ni behövde halvera tiden från första signal till första åtgärd?